国产替代狂奔，中国版英伟达何时现身？

　　在国产GPU突围的道路上，部分厂商已经走出了自己的路。但鉴于硬件、生态等各方面的差距，这样必定是一条充满荆棘的长路。

　　最近，风头正盛的英伟达在算力领域又下一城。

　　在最新的最新MLPerf训练基准测试中，英伟达的H100仅用11分钟就训练完了GPT-3。

　　并且还在所有的八项测试中都创下了新纪录。

　　可以说，这是一款专为AI、HPC和数据分析而设计的“性能怪兽”。

　　凭借着4nm制程、800亿个晶体管、18432个CUDA核心，以及专用的Transformer引擎，H100将大模型训练速度提高了6倍。

　　同时，H100还支持NVLink Switch系统，可以实现单节点内和节点间的全方位GPU通信，从而支持百亿亿级(Exascale)的工作负载。

　　这也是其能在MLPerf 8项基准测试中横扫其他竞争者的重要原因。

　　在算力愈发重要的AIGC时代，任何能提高模型训练、机器学习的硬件技术，都成了各大AI企业垂涎欲滴的产物。

　　然而，目前在GPU领域，大部分国内企业，仍然只能仰赖英伟达一家的技术。

　　在国内算力愈发捉襟见肘，以及国际风云变幻的敏感时刻，国内的GPU厂商，能否奋力追赶，解决这一“卡脖子”难题，以至于成为下一个“英伟达”呢?

　　01 种子选手的秘密

　　在目前国内一票GPU的“种子选手”中，一家名叫壁仞科技的企业引起了人们的注意。

　　原因很简单，那就是其产品BR100不仅创下了全球算力纪录，并且宣称其峰值算力达到了英伟达A100的3倍，甚至还能对标没发售的H100。

　　然而，稍微了解过国内芯片行业的人都知道，在芯片领域，国内的炒作太多了，徒有其表的例子也太多了。

　　那么，做出这个“媲美英伟达”GPU的企业，究竟是什么来头?其自主研发的BR100，是否真的像其宣传的那样出色?

　　要回答这个问题，我们不妨先看看壁仞科技的创始班底，技术背景究竟如何。

　　作为一家通用智能芯片设计研发商的壁仞科技，成立于2019年，团队由国内外芯片和云计算领域的专家和研发人员组成。

　　其创始人张旭博士，不仅拥有清华大学和斯坦福大学的博士学位，还曾是英伟达的高级架构师，负责Volta架构的设计和开发。

　　除此之外， 团队其他成员的技术身份，也颇为亮眼。

　　李新荣，联席CEO，曾任AMD全球副总裁、中国研发中心总经理，负责AMD大中华区的研发建设和管理工作。

　　洪洲，CTO，曾在NVIDIA、S3、华为等工作操刀GPU工程项目，拥有超过30年的GPU领域经验。

　　焦国方，软件生态环境主要负责人，曾在高通领导和产品研发了5代Adreno移动GPU系统架构。

　　这样的团队背景，决定了壁仞科技的技术底色。

　　依据之前在英伟达、AMD、高通、商汤科技等知名企业的研发经验和技术积累，壁仞科技研发了自主原创的芯片架构——壁立仞。

　　壁立仞架构基于SIMT(单指令多线程)模型，针对AI场景进行了专用的优化和定制。

　　其最大的特点，就是可以将多个小芯片拼成一个大芯片，每个小芯片只做一部分功能，然后通过高速互连组合成一个大芯片。

　　这样可以提高芯片的良率和可靠性，同时降低成本和功耗，实现更强大的算力和扩展性。

　　这就是壁仞科技所谓的Chiplet的设计理念。

　　这种技术的难点在于如何保证芯片之间的高速通信和协作，同时避免信号干扰和功耗过高。

　　因此，如何设计合适的芯片分割和组合方案，使得每个芯片都能发挥最大的效能，同时减少电磁干扰和热耗散，就成了Chiplet能否成功的关键。

　　对此，壁仞科技使用了两种关键的技术2.5D CoWoS和BLink，来攻克这一难关。

　　简单地说，2.5D CoWoS技术是一种把多个芯片堆叠在一起的技术，它利用了一个硅基板作为中介层，缩短了芯片之间的距离，从而提高了信号的传输速度和质量。

　　而BLink则在中介层上，建立了一个专用的接口，它可以让多个芯片之间直接传输数据，而不需要经过其他的电路或芯片，从而减少了延迟和功耗。

　　然而，尽管2.5D CoWoS、BLink这些技术，让壁仞科技打造出了算力更强的BR100，但这些技术，目前在国际上并不罕见，其他GPU厂商也有过类似的设计。

　　例如，Nvidia的A100和H100 GPU都采用了CoWoS技术，把GPU芯片和HBM内存堆叠在一起，提高了内存带宽和计算性能。而Nvidia还开发了自己的NVLink接口，类似于BLink接口，可以让多个GPU之间高速互联。

　　此外，AMD也有自己的Infinity Fabric接口，可以实现类似的功能。

　　那既然这是一种“大家都能用”的技术，那壁仞科技怎么就做到让BR100算力达到A100三倍的呢?而英伟达真就会坐视着自己被超越了?

　　其实，这样的结果，是二者在不同数据格式下的表现所致。

　　具体来说，BR100的巨大算力，更多是在矩阵FP32数据格式下的表现。

　　一般来说，数据格式占用的位数越多，它的范围和精度就越高，但是也会消耗更多的空间和电力。

　　而矩阵FP32其实就是一种特殊的FP32数据格式，它只用了19位来存储一个浮点数，这样做的目的是为了让矩阵FP32能够兼容Tensor Core这种专门用于加速矩阵乘法的硬件单元。

　　矩阵乘法是深度学习中最常见和最重要的计算操作之一，所以使用矩阵FP32可以大幅提升深度学习的性能。

　　但是，矩阵FP32也有一个缺点，就是它的精度比向量FP32低，也就是说它能表示的浮点数的范围和细节程度比向量FP32小。

　　这样就会导致一些误差和损失，在某些情况下可能会影响模型的质量和效果。

　　因此，矩阵FP32和英伟达A100的向量FP32并不等价，因为矩阵FP32只适用于矩阵乘法这种特定的计算操作，并不能代表GPU的整体性能。

　　02 生态之痛

　　除了技术方面的较量外，软件生态上的壁垒，也是国产GPU无法忽视的一道屏障。

　　从某种程度上说，这样的壁垒比某些具体技术的难点，更难以攻克。

　　在GPU领域，业界流传着一种说法：“CUDA是Nvidia最深的护城河”。

　　这是因为，早在十几年前，在业内大部分人都认为GPU只能处理图形相关的计算时，英伟达就已经意识到了GPU在AI领域的潜力和价值，并开始了相应的布局，在2006年推出了通用并行计算架构CUDA。

　　在CUDA问世前，人们在进行各种计算任务时，用的都是CPU，而非GPU。

　　然而，CPU虽然具有很强的“通用性”，可以处理各种计算，但是它的速度不够快，而且核心数量有限。

　　而相较之下，只能处理图形计算的GPU，不仅速度很快快，而且有很多很多的核心。

　　通过CUDA，在进行AI计算时，人们可以将神经元之间的计算分配到GPU的不同核心上，并行地进行运算。这样就大大提高了神经网络的训练和推理的速度、效果。

　　英伟达看到了CUDA的巨大潜力，于是不断地完善和优化CUDA的技术和生态。

　　例如让CUDA支持C、C++、Fortran、Python等多种编程语言，或是提供了针对不同领域和应用优化的库和工具，比如图像处理库、深度学习库、自动驾驶库等等。

　　这样的优化，为开发者提供了极大的便利，使其不用再学习新的编程语言，或是从头开始编写代码。

　　于是，越来越多的人用惯了，用舒服了，CUDA的生态就这么被搭建起来了。

　　诚然，在CUDA构建自身生态壁垒的过程中，也不是没有遇到过竞争者，但最后这些对手都一一成为了“陪跑者”。

　　例如，苹果公司和Khronos Group在2009年推出的OpenCL，也有过想成为行业标准的想法，让人们可以用不同厂商的CPU、GPU、来做异构计算。

　　然而，OpenCL没有CUDA那么高效和灵活，需要更多的编程技巧和优化工作，这就加大了开发者的负担。

　　而英伟达的老对手AMD，也想要提供一个通用并行计算平台，并推出了相应的产品ROCm，它跟CUDA的架构非常类似，甚至有一个工具叫hipify，可以把CUDA代码转换成ROCm代码。

　　但是ROCm只能用在AMD的GPU上，而且只支持几款显卡。

　　于是，综合对比下来，更多的开发者还是选择了“通用性”、“易用性”都更胜一筹的CUDA。

　　如今，在软件生态方面，壁仞科技也推出了自主研发的BIRENSUPA软件平台，试图通过“无缝运行”的方式，让开发者无需修改代码，就可以在BR100系列产品上运行原本基于CUDA的应用。

　　这样，习惯了使用CUDA的用户，如果转而使用BR100系列产品，可以获得更高的计算性能和更低的功耗成本。

　　然而，这样的思路，却面临着几大挑战，而其中之一，就是BR100系列产品在通用计算生态上的支持。

　　因为，壁仞科技为了提高BR100系列产品在AI计算方面的性能和能效，也对流处理器进行了一些优化和定制，比如说使用BF16替代FP16作为主要的数据格式，以及增加了一些针对AI的硬件指令和功能。

　　这样，BR100就可能牺牲了部分通用计算能力，导致其在一些非AI的应用场景和领域上表现不佳或者不兼容。

　　而这也是为什么，BR100的主要应用场景，大多是复旦大学、清华大学这类高校的人工智能计算和高性能计算项目。

　　除此之外，BR100系列产品，在算力利用率上也存在着风险。

　　虽然，BR100的架构是通用的，如果如果壁仞科技愿意，也同样可以将其用于通用类的计算。

　　但因为BR100的内部算力带宽已经明显超过PCIe和HBM2e的带宽，所以绝大部分数据可能都要在GPU内流转。

　　这就意味着，虽然BR100的算力很强大，它的数据来源和输出通道，都不够快，不能及时地给它送来或者拿走数据。

　　而如果一个软件生态主要支持通用处理， 它的GPU芯片往往就需要有足够高的外部带宽，来获取各种类型的数据。

　　这是因为，不同类型的应用，往往对带宽的需求和敏感度都不同。一些大型的应用，可能需要更高的带宽，才能更好地计算。

　　最后，也是最具风险的一点，就是虽然壁仞科技宣称，BR100要无缝地支持CUDA生态，但CUDA不是一个开源生态，英伟达在其中埋下了大量专利壁垒。

　　如果壁仞科技真的打算撬动这块壁垒，则很可能受到英伟达的在专利上的反击。

　　综上所述，虽然目前在国产GPU突围的道路上，部分厂商已经走出了自己的路，但鉴于硬件、生态等各方面的差距，这样的道路，必定是一条充满荆棘的长路。